ساخت نرمافزار تشخیص تجهیزات حفاظت فردی در محیطهای صنعتی
محمد فریدن در گفتوگو با ایسنا بیان کرد: با پیشرفت علومی مانند هوش مصنوعی میتوانیم نقشهای نظارتی و تشخیصی را به سامانهها و ناظران ماشینی و رایانهها بسپاریم.
وی با اشاره به اجرای طرح طراحی و ساخت نرم افزار تشخیص تجهیزات حفاظت فردی در محیطهای صنعتی با استفاده از هوش مصنوعی بیان کرد: هدف از اجرای این طرح شناسایی و تشخیص وسایل و تجهیزات حفاظت فردی در محیط کار و هنگام انجام فرایندهای کاری پر خطر بوده است.
فریدن اضافه کرد: با توجه به نتایج قابل قبول اجرای این طرح، مشخص شد که نظارت بر استفادۀ صحیح و به موقع از تجهیزات حفاظت فردی به صورت بلادرنگ کمک زیادی به پیشگیری از حوادث ناشی از کار و افزایش بهره وری سیستمهای ناظر بر عملیات کاری خواهد داشت.
استادیار دانشگاه علوم پزشکی لرستان با اشاره به تحول نوین در ایمنی کار و هوش مصنوعی در خدمت نظارت هوشمند بر تجهیزات حفاظت فردی، اظهار کرد: با پیشرفت روزافزون فناوریهای نوین، بهویژه هوش مصنوعی و یادگیری ماشین، نقش سامانههای نظارتی و تشخیصی در محیطهای کاری دچار تحولی اساسی شده است.
وی افزود: در همین راستا، طرحی نوآورانه و محصولمحور با هدف شناسایی و تشخیص خودکار وسایل و تجهیزات حفاظت فردی در محیطهای صنعتی و هنگام انجام فرآیندهای کاری پرخطر در دانشگاه علوم پزشکی لرستان به اجرا درآمده است. این فناوری هوشمند با استفاده از الگوریتمهای پیشرفته پردازش تصویر و تحلیل دادهها، امکان نظارت بلادرنگ بر استفاده صحیح و بهموقع از تجهیزات ایمنی را فراهم میکند.
عضو هیئت علمی دانشگاه علوم پزشکی لرستان با اشاره به نقش هوش مصنوعی در افزایش ایمنی محیطهای کاری، گفت: طبق آمار منتشرشده از سوی سازمان بینالمللی کار (ILO)، سالانه میلیونها حادثه شغلی در سراسر جهان رخ میدهد که بخش قابل توجهی از آنها ناشی از استفاده نادرست یاعدم استفاده از تجهیزات حفاظت فردی (PPE) است. این امر نهتنها سلامت کارگران را به خطر میاندازد، بلکه هزینههای اقتصادی سنگینی را نیز بر صنایع و سازمانها تحمیل میکند.
فریدن یادآور شد: در سالهای اخیر، پژوهشگران و مهندسان بهداشت حرفهای و ایمنی صنعتی در جستجوی راهکارهایی برای کاهش این حوادث بودهاند. مطالعات نشان داده است که استفاده از سامانههای مبتنی بر هوش مصنوعی میتواند بهطور چشمگیری میزان رعایت مقررات ایمنی را بهبود بخشد. برای مثال، در پژوهشی که توسط دانشگاه استنفورد انجام شد، یک سیستم مبتنی بر پردازش تصویر توسعه یافت که با استفاده از دوربینهای مدار بسته، میزان استفاده از ماسکها و کلاههای ایمنی را در محیطهای صنعتی رصد میکرد. نتایج این تحقیق نشان داد که نظارت خودکار بر تجهیزات حفاظتی میتواند تا ۴۵ درصد میزان رعایت دستورالعملهای ایمنی را افزایش دهد.
وی با اشاره به بررسی طرحهای مشابه در صنایع مختلف، گفت: در کنار این پروژه، طرحهای مشابهی نیز در صنایع مختلف اجرا شدهاند. برای مثال شرکتهای بزرگ نفتی مانند BP و Shell به استفاده از سیستمهای مبتنی بر هوش مصنوعی روی آوردهاند که امکان پایش میزان استفاده از تجهیزات حفاظت فردی و تشخیص خطرات احتمالی را در تأسیسات نفتی فراهم میکند. این سیستمها علاوه بر نظارت تصویری، با اتصال به حسگرهای اینترنت اشیا (IoT) میتوانند شرایط محیطی همچون دما، گازهای خطرناک و میزان آلودگی را نیز ارزیابی کنند.
استادیار دانشگاه علوم پزشکی لرستان اضافه کرد: پروژهای در دانشگاه MIT توسعه یافته که در آن از دوربینهای مجهز به هوش مصنوعی برای تشخیص کارگران بدون تجهیزات حفاظتی در کارگاههای ساختمانی استفاده میشود. این فناوری قادر است در صورت تشخیصعدم استفاده از تجهیزات ضروری همچون دستکش، کفش ایمنی یا کمربند محافظ، هشدارهایی به کارگر و سرپرستان ارسال کند.
وی تصریح کرد: شرکت Rio Tinto که یکی از بزرگترین شرکتهای معدنی جهان است، با اجرای یک پروژه آزمایشی از هوش مصنوعی برای تشخیص وضعیت سلامت و استفاده صحیح از تجهیزات ایمنی در معادن زیرزمینی استفاده کرده است. این سیستم به کمک تصاویر حرارتی و تحلیل دادههای زیستی کارگران، امکان تشخیص علائم خستگی و کاهش هوشیاری را نیز فراهم کرده است.
استادیار دانشگاه علوم پزشکی لرستان با طرح این سوال که این سیستم چگونه کار میکند؟ گفت: سیستمهای نظارتی مبتنی بر هوش مصنوعی معمولاً با استفاده از ترکیبی از فناوریهای پردازش تصویر، بینایی کامپیوتری (Computer Vision) و یادگیری ماشین کار میکنند. این سیستمها از طریق دوربینهای نصبشده در محیط کار، تصاویر و ویدئوهای زنده را دریافت کرده و سپس با استفاده از الگوریتمهای یادگیری عمیق (Deep Learning) وجود تجهیزات حفاظتی روی کارگران را تحلیل میکنند.
وی بیان کرد: در صورت مشاهده تخلف، این سیستمها میتوانند بهطور خودکار هشدارهایی را به کارگران یا مدیران ارسال کنند و یا حتی دسترسی کارگران بدون تجهیزات مناسب را به بخشهای پرخطر مسدود کنند. علاوه بر این، برخی از این سیستمها قابلیت ترکیب با دادههای حسگرهای محیطی را دارند تا بتوانند اطلاعات دقیقتری درباره شرایط ایمنی ارائه دهند.
عضو هیئت علمی دانشگاه علوم پزشکی لرستان با اشاره به مزایای استفاده از نظارت هوشمند بر تجهیزات حفاظت فردی، گفت: بهکارگیری چنین فناوریهایی نهتنها به کاهش آمار حوادث کاری کمک میکند، بلکه مزایای گستردهتری نیز به همراه دارد، از جمله افزایش ایمنی و کاهش حوادث شغلی، نظارت لحظهای بر تجهیزات ایمنی، خطرات احتمالی را کاهش داده و از وقوع حوادث جلوگیری میکند.
فریدن افزود: آگاهی کارگران از این که رعایت نکردن پروتکلهای ایمنی بلافاصله تشخیص داده خواهد شد، باعث افزایش دقت آنها در استفاده از تجهیزات حفاظت فردی میشود.
وی با اشاره به کاهش هزینههای ناشی از حوادث شغلی، گفت: وقوع حوادث کاری هزینههای بالایی از جمله هزینههای درمانی، غرامت و کاهش بهرهوری را در پی دارد. با کاهش این حوادث، شرکتها میتوانند هزینههای خود را به میزان قابل توجهی کاهش دهند. استفاده از هوش مصنوعی بهعنوان مکملی برای بازرسیهای انسانی باعث کاهش خطای انسانی و بهبود دقت نظارتها میشود.
عضو هیات علمی دانشگاه علوم پزشکی لرستان با بیان اینکه سیستمهای مبتنی بر یادگیری ماشین قادرند با تحلیل دادههای جمعآوریشده، الگوهای رفتاری خطرناک را شناسایی و از بروز حوادث آینده جلوگیری کنند، با اشاره به آینده نظارت هوشمند بر ایمنی کارگران، اظهار کرد: با توجه به نتایج مثبت حاصل از این طرحها پیشبینی میشود در آیندهای نزدیک، استفاده از سامانههای مبتنی بر هوش مصنوعی در محیطهای کاری به یک استاندارد جهانی تبدیل شود. شرکتهای بزرگ صنعتی در حال سرمایهگذاری گسترده در این حوزه هستند و دولتها نیز در حال تدوین قوانین جدیدی برای الزام استفاده از این فناوریها در محیطهای کاری پرخطر هستند.
فریدن گفت: در نهایت، هوش مصنوعی نهتنها میتواند تحولی بنیادین در ایمنی کار ایجاد کند، بلکه به افزایش بهرهوری، کاهش هزینهها و ارتقای فرهنگ ایمنی در محیطهای صنعتی نیز کمک خواهد کرد. آیندهای را تصور کنید که در آن هیچ کارگری بدون تجهیزات ایمنی در محیطهای پرخطر حضور نداشته باشد و تمامی فرآیندهای نظارتی بهصورت خودکار و دقیق انجام شوند. به نظر میرسد که این آینده، دیگر چندان دور نیست.
انتهای پیام